印度季风降雨时空一致性模拟的贝叶斯方法
应用统计
2017-09-04 v1
摘要
对某一区域进行长时间序列的降雨模拟对于规划和政策制定非常有用，特别是在经济高度依赖季风降雨的印度。然而，此类模拟应能够保留印度降雨已知的时空特征。通用环流模型 (GCMs) 无法做到这一点，而水文学家使用高斯过程等随机过程设计的各种降雨生成器也难以应用于印度广阔且高度多样化的地貌。在本文中，我们探索了一系列基于描述特定地点和全国天气条件的潜变量条件分布的贝叶斯模型。在从观测数据估计参数时，我们使用马尔可夫随机场进行时空平滑，以使学习到的参数在时空上具有一致性。此外，我们使用基于中国餐馆过程 (Chinese Restaurant Process) 的非参数空间聚类来识别同质区域，提出的部分模型利用这些区域来改善模拟降雨的空间相关性。这些模型能够模拟印度多年来的日降雨量，并且可以利用上下文信息进行条件模拟。我们使用了印度两个不同空间分辨率的数据集，重点关注 2000-2015 年期间。我们提出了大量指标来研究模型模拟的时空属性，并将其与观测数据进行比较，以评估模型的优缺点。
引用
@article{arxiv.1709.00399,
title = {Bayesian approach to Spatio-temporally Consistent Simulation of Daily Monsoon Rainfall over India},
author = {Adway Mitra},
journal= {arXiv preprint arXiv:1709.00399},
year = {2017}
}